Yˆ 0 2X 2 3X 3 4X 4 5X 5
计算回归系数
Intercept
X Variable 1 X Variable 2 X Variable 3 X Variable 4
Coefficient s -
3094216.283 26.63703524
3.161530019
Coefficients -3164044.02 -59.4619025 27.18225866 3.134301817 1459.857673 312.6659322
X X X X Yˆ X = - 3164044.02 - 59.46 1 + 27.18 2+ 3.13 3+ 1459.86 4+312.67 5
dL 0.49
4 dU DW d L 0.49
DW检验无结论
Excel技术支持
第二次检验总结
R检验
回归统计所得 复相关系数R 远大于查表所 得相关系数临 界值，说明数 据相关关系显 著
F检验
回归统计所得 F统计量远大 于查表所得临 界值，否定假 设，认为自变 量与因变量间 回归效果显著
综上判定：剩余四个因素均对公路客运量有显著影响
t检验通过
Excel技术支持
RESIDUAL OUTPUT
观测值 1 2 3 4 5 6 7 8 9
10 11 12 13 14 15
DW检验
预测 Y 643980.5197 638154.2071 679732.6268 752136.8213 843449.9506 959632.632 1054454.966 1134729.76 1194339.7 1236696.678 1286810.288 1336303.614 1411188.254 1459365.628 1474352.354
122.64
1429.76
121385
127.85
1448.06
125409
135.17
1450.09
131181
140.2698
1447.48
131324
169.8
1487.81
132893
176.52
1527.39
123161
180.98
1588.55
数据来源：《2004年中国统计年鉴》
设定变量
F0.05 (m 1, n m) F0.05 (4,10) 3.48
F=911.613892
综上说明回归效果非常显著
F检验通过
Excel技术支持
t检验
Intercept X Variable 1 X Variable 2 X Variable 3 X Variable 4 X Variable 5
回归统计所得 F统计量远大 于查表所得临 界值，否定假 设，认为自变 量与因变量间 回归效果显著
回归统计所得 t统计量中， t1绝对值小于 查表所得值， 说明该因素对 因变量无显著 影响，应删除
T检验未通过，没有继续进行DW检验
调整回归方程
在第一次回归方程建立的过程中，t检验时，影响因 素客运汽车总量没有通过t检验，表示客运汽车总量 对公路客运量没有显著影响。 第二次将该因素删除后重新进行回归分析。
129.85
1994
953940
136.69
1995
1040810
145.27
1996
1122110
147.52
1997
1204583
158.25
1998
1257332
163
1999
1269004
183.2
2000
1347392
207
2001
1402798
234.17
2002
1475257
325.1
Excel技术支持
F检验
方差分析
回归分析 残差 总计
df 4
10 14
SS
MS
1.28E+12 3.20438E+11
F 1236.093
Significance F
2.00668E-13
2.59E+09 259234322.7
1.28E+12
α=0.05
F0.05 (m 1, n m) F0.05 (3,11) 3.59
t检验
DW检验
回归统计所得 t统计量中，绝 对值全部大于 查表所得值， 说明该四种因 素对因变量有 显著影响
回归统计所得 DW统计量经 检验判别，结 果为检验无结 论。据此结果 ，需对样本进 行调整
回归调整
在第二次回归方程建立的过程中，DW检验无结论 第三次将样本容量增加为21个，再次进行回归分析
关于中国公路客运量的回归分析
背景介绍
改革开放后，我国国民经济持续高速发展，公路运输需求强劲增 长，国家加大了公路基础设施的建设力度。随着道路环境的改善和城 乡交流的日益频繁，公路客运量逐年提高。伴随着中国城市化的进程， 城乡之间、城际之间的交流日益频繁，这直接支持了公路客运行业的 发展。
公路客运在我国综合运输体系客运市场中发挥着举足轻重的作用， 承担着90%以上的份额，因此对我国公路客运的研究就显得很有现实 意义，通过研究我国从改革开放至今的公路客运量发展变化，可以从 我国国民经济发展的一个侧面了解到我国二十多年来的交通运输、公 共事业建设、人民生活水平、社会生产、流通、分配、消费各环节协 调发展等诸多现实经济问题，对于提升个人对国家经济发展认识、研 究分析的能力大有好处。
1290.342576
316.918628
0 -3094216.283 2 26.63703524
3 4
3.1615130019 1290.342576
5 316.918628
X X X Yˆ X = - 3094216.28 + 26.64 2+ 3.16 3+ 1290.34 4+316.92 5
公路客运量 客运汽车总量 国内总人口 其他客运量 公路总里程
人均收入
Y X1
设
X2
X3
X4
X5
假设Y与X1、X2、X3、X4、X5之间存在线性关系
建立回归方程 Yˆ 0 1X 1 2X 2 3X 3 4X 4 5X 5
计算回归系数
0 -3164044.01874585
F=1236.093
综上说明回归效果非常显著
F检验通过
Excel技术支持
t检验
Coefficients 标准误差 t Stat
P-value
Intercept
-3094216.283 487582.2 -6.34604075 8.39E-05
X Variable 1
26.63703524 4.566938 5.832580427 0.000165
Excel技术支持
R检验
回归统计
Multiple R
0.99899028
R Square
0.99798158
Adjusted R Square 0.997174213
标准误差
16100.75534
观测值
15
α=0.05 n-m=15-4=11 R0.05 (11) 0.553
R=0.9989903 综上说明相关关系显著 R检验通过
Excel技术支持
R检验
回归统计
显著性水平α=0.05
Multiple R
0.9990142 自由度n-m=15-5=10
R Square
0.998029371 R0.05 (10) 0.5760
Adjusted R Square 标准误差 观测值
0.996934577
R=0.9990142
16769.56167 15
X Variable 2
3.161530019 0.672001 4.704653804 0.000836
X Variable 3
1290.342576 405.4094 3.182813881 0.009773
X Variable 4
316.918628 42.08575 7.530307743 1.99E-05
拒绝假设 0 0 2 0 3 0 4 0 5 0
t1
绝对值小于t0.025 (10ቤተ መጻሕፍቲ ባይዱ 2.228 接受假设 1 0
综上判定：第一个影响因素客运汽车总量对公路客运量没有
显著影响，t检验不通过
Excel技术支持
第一次检验总结
R检验
F检验
t检验
回归统计所得 复相关系数R 远大于查表所 得相关系数临 界值，说明数 据相关关系显 著
t0 5.977
t1 0.467 t2 5.549 t3 4.463
t4 2.622 t5 6.984
α=0.05 t0.05 / 2 (n m) t0.025 (10) 2.228
t 0. t2 t3 t4 t5 绝对值大于t0.025 (10) 2.228
关于公路客运量的影响因素
1
客运汽车总量
2
国家总人口
3 其他客运量（铁路水运民航等）
4
公路总里程
5
国民人均收入
相关数据
年份 公路客运量（万人） 客运汽车总量（万辆）
1989
644508
58.35
1990
648085
51.4
1991
682681
71.42
1992
731774
106.67
1993